El seguimiento de objetos sigue siendo una tarea intrigante ya que el objetivo experimenta cambios significativos en su apariencia debido a la iluminación, el movimiento rápido, la oclusión y la deformación de la forma. El desorden del fondo y numerosos otros factores ambientales son otras limitaciones importantes que siguen siendo un desafío apasionante para desarrollar un algoritmo de seguimiento robusto y efectivo. En el presente estudio, se propone un algoritmo basado en contexto espacial-temporal (STC) adaptativo para el seguimiento en línea mediante la combinación de la formulación consciente del contexto, el filtro de Kalman y la tasa de aprendizaje del modelo adaptativo. Para mejorar el rendimiento de seguimiento basado en STC, se realizaron diferentes contribuciones en el estudio propuesto. En primer lugar, se incorporó una formulación consciente del contexto en el marco de STC para hacerlo computacionalmente menos costoso mientras se logra un mejor rendimiento. Posteriormente, se realizó un seguimiento preciso empleando el filtro de Kalman cuando el objetivo experimenta oclusión. Finalmente, se incorporó un esquema de actualización adaptativa en el modelo para hacerlo más robusto al enfrentarse a los cambios del entorno. El estado de un objeto en el proceso de seguimiento depende del valor máximo del mapa de respuesta entre fotogramas consecutivos. Luego, la predicción del filtro de Kalman puede actualizarse como la posición de un objeto en el siguiente fotograma. La diferencia promedio entre fotogramas consecutivos se utiliza para actualizar el modelo del objetivo de forma adaptativa. Los resultados experimentales en secuencias de imágenes tomadas de los conjuntos de datos Template Color (TC)-128, OTB2013 y OTB2015 indican que el algoritmo propuesto tiene un mejor rendimiento que varios algoritmos, tanto cualitativa como cuantitativamente.